پیش بینی بارش بهاره با استفاده از متغیرهای اقلیمی اقیانوسی - جوی به روش رگرسیون اجزای اصلی (مطالعه موردی : حوضه سد بوکان)

پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، برنامه ریزی آب، کشاورزی و ... دارای اهمیت است و ابزار مناسبی در اختیار مدیران قرار می هد تا با در نظرگرفتن این پیش بینی ها، سیاست های آینده را به جهت بهره وری حداکثر، طرح ریزی کنند. هدف از مقاله حاضر، بررسی ارتباط بارندگی فصلی ایستگاه های بارانسنجی وزارت نیرو در یک دوره 34 ساله و شاخص های اقلیمی دوربرد و نیز بررسی تآثیر تغییرات دمای آب دریای سرخ، خلیج فارس، مدیترانه و دریای سیاه به عنوان منابع حرارتی بارش های شمال غربی ایران بوده و بر این اساس معادلات پیش بینی فصلی برای هر ایستگاه به دست آمده است. معادلات ارایه شده 47 درصد تغییرات بارش بهاره را پیش بینی نموده اند. همچنین دقت مدلسازی بارش بهاره در ایستگاه بارانسنجی آلاسق و صفاخانه از سایرین بالاتر می باشد که این امر به علت همبستگی بالای شاخص SOI ماه اکتبر با بارش بهاره ایستگاه آلاسقل (049-33) و شاخص WP ماه فوریه با بارش بهاره ایستگاه صفاخانه (021-33) (0.6-) می باشد. در این تحقیق، شبکه های عصبی مصنوعی نیز به عنوان یک روش کارامد جهت پیش بینی بارندگی مورد استفاده قرار گرفته است. تحلیل نتایج خروجی نشان داد که این مدل توانایی بهتر و دقت بالایی برای پیش بینی بارش نسبت به روش های آماری معمول داشته است.

Keywords:

پیش بینی بارش , متغیرهای اقیانوسی-جوی , رگرسیون اجزای اصلی , شبکه عصبی مصنوعی , سد بوکان